Channel
@prodata_ai
On this record: Topic · Growth · Engagement · Reactions · Posts · Cite this entry
51subscribers
-2 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003656598221 |
|---|---|
| Type | Channel |
| Username | @prodata_ai |
| Created | Between 1 December 2025 and 7 February 2026 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 10 August 2026 |
| Last confirmed live | 3 October 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 1 time, most recently 3 October 2026 |
| On Telegram | t.me/prodata_ai |
Technology — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 29 September 2026 and assigned it the closest of 31 fixed categories, at 100% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 3 Oct 2026, 02:37 | 51 | -1 |
| 18 Sept 2026, 03:16 | 52 | -1 |
| 10 Aug 2026, 09:46 | 53 | no change |
| 7 Aug 2026, 18:29 | 53 | first reading |
20 posts held, back to 7 February 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 page of Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 8 April 2026. An engagement rate over an empty window would be a number about nothing.
36 reactions across 15 posts, in 6 distinct kinds. The most used accounts for 38.9% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 👍 | 14 | 38.9% | |
| 🔥 | 9 | 25.0% | |
| 💩 | 4 | 11.1% | |
| 👏 | 3 | 8.33% | |
| 😁 | 3 | 8.33% | |
| 🙏 | 3 | 8.33% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 15 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 36 reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 7 February 2026 to 8 April 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
ИИ и российский регулятор Сейчас нахожусь на конференции Data fusion, где выступали представители правительства и крупного бизнеса: Дмитрий Григоренко, Владимир Кириенко, Андрей Костин, Эльвира Набиуллина. Весьма удивительно, что каждый из названных людей высказывался, что не нужно слишком сильно регулировать рынок ИИ и сами технологии. Нужно лишь аккуратно поддерживать с точки зрения регулирования и не мешать разв…
😀 vs 😀 - сравнение Pandas и Polars Сравнение двух гигантов в мире python-аналитики. Не знаю, правда, честное ли это сравнение или ангажированное одним из вендоров, который в данном материале смотрится гораздо лучше своего соперника. 😀Polars гораздо круче в производительности - в 8 раз быстрее читает csv на 1 млн. строк 😀Memory usage у Polars также значительно ниже - 97% экономии 😀Также Polars имеет "ленивые" вычисл…
🔥1
ТОП-5 инструментов для создания синтетических данных Реально частая проблема - нехватка данных для тестирования систем или обучения LLM. Оказывается есть промышленные решения, которые генерируют данные для этих целей. Если вкратце: 😀K2view — лидер в сегменте энтерпрайз-решений. Платформа выделяется своим «сущностным» подходом (создает полные копии бизнес-объектов, например «клиент» со всеми его заказами и транзакци…
Data mesh vs централизованное управление Коллеги из vk написали хороший материал, в котором показывают разницу между ныне модным data mesh и стандартным путем, когда единая data-команда. Если кратко: 😀Единая data-команда часто узкое место в процессе разработки и не обладает предметной областью доменов на достаточном уровне 😀Data mesh это в первую очередь про: данные как продукт, данными владеют домены, должна быть …
😀 +😀AI - новый пользователь БД Возможно, через немного времени аналитики перестанут самостоятельно лазить в базу, а будут это делать через AI-агентов. Уже сейчас агенты активно используют базы. Главная идея статьи очень интересна: AI-агенты используют базу не так, как люди. Они могут проводить тысячи операций, создавать рабочие пространства, где создают объекты, записывают данные, читают, а потом удаляют. Поэтому б…
🔥1
Данные и AI-агенты Раньше говорили, что данные обязательно нужны для принятия эффективных решений. Все стремились стать data-driven. Сейчас же говорят, что данные очень важны для AI. Вот статья, в которой говорится, что волнует сейчас компании не нехватка данных, а неправильный контекст или его нехватка для AI. Многие начали внедрять агентов, но столкнулись, что очень важен контекст для их корректной работы. Для ко…
💩2👍1🔥1
📱 Моделирование данных Видео-гайд про моделирование данных и какое оно бывает. У меня, кстати, также недавно выходила статья, в которой я постарался описать все методологии моделирования. Само видео про: 😀какие бывают уровни моделирования: концептуальный (когда абстракциями описываешь бизнес-объекты и процессы, логический (уровень, на котором определяются сущности и связи между ними) и физический (уже непосредствен…
👍1💩1🔥1
😀Indus AI. Индия делает свой ChatGPT. Индийский стартап Sarvam запустил новый AI‑чат‑приложение Indus для веба и мобильных устройств, стремясь конкурировать с глобальными игроками вроде ChatGPT, Claude и Google Gemini на быстро растущем рынке ИИ в Индии. Sarvam стремится создать домашнюю, индийскую альтернативу глобальным AI‑платформам и сократить зависимость от иностранных ИИ‑сервисов В общем, началась борьба за и…
👍1💩1🔥1
Данные и AI-агенты Раньше говорили, что данные обязательно нужны для принятия эффективных решений. Все стремились стать data-driven. Сейчас же говорят, что данные очень важны для AI. Вот статья, в которой говорится, что волнует сейчас компании не нехватка данных, а неправильный контекст или его нехватка для AI. Многие начали внедрять агентов, но столкнулись, что очень важен контекст для их корректной работы. Для ко…
😀 Prefect: оркестратор, о котором почему-то мало кто знает Рубрика про инструменты. Если я вас попрошу назвать какой-нибудь оркестратор, вы тут же мне ответите Airflow. А вот есть его аналог, который мы сейчас и рассмотрим. Основные возможности и отличия: 😀Python-native, то есть описываете в питоне с помощью декораторов 😀Декларативный Airflow менее гибкий в силу статичный DAG-ов. В то время как Prefect предлагает д…
😀 Ускоряем SQL на 50-200% Техническая и сложная, но весьма полезная статья касательно методов оптимизации SQL-запросов в PostgreSQL. Что автор предпринял для оптимизации (если кратко): 😀В первую очередь VACUUM ANALYZE, это уже рефлекторно должно делаться 😀Добавление B-Tree индексов 😀Увеличиваем work-mem, чтобы увеличить объем используемой оперативной памяти 😀 max_parallel_workers для задействования нескольких ядер …
🔥1
😀 Пишем SQL с Claude Николай Валиотти (который из "left join") решил попробовать MCP с Claude и написать с помощью этого витрину данных. Все это весьма интересно, но почему-то кажется, что опытным инженерам или аналитикам такое ни к чему, мороки больше. Потому как данные (самое главное) должны быть описаны, результат надо перепроверять, перед этим все настроить. Даже у Николая Claude выдумал несуществующие таблицы.…
👍2
Showing the 12 most recent of 20 posts we hold for @prodata_ai. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 3 October 2026 — this entry's latest reading, not the date you are reading this.
“ProData | Про Data и AI” (@prodata_ai), 51 subscribers as measured 3 October 2026. Telegram Register, tgregister.com/channel/prodata_ai.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.